Intern Deep Learning And Neural Network Optimization And Deployment For Sdr-To-Hdr Conversion H/F

L'offre

Internship Overview

The Video Production Services team develops technologies that improve how video is produced and delivered for modern displays, with particular expertise in high dynamic range (HDR) and wide color gamut. This internship will focus on optimizing an existing neural network that converts standard dynamic range (SDR) video to HDR, then deploying the optimized model on dedicated neural processing hardware.

Technical Approach

The intern will build an end-to-end optimization workflow using techniques such as knowledge distillation and quantization. The optimized model will be benchmarked against the original, deployed to a low-power and compute-constrained target, and assessed for visual quality, output consistency, model size, latency, and runtime efficiency.

Key Responsibilities

Analyze the existing SDR-to-HDR network and establish quality, performance, and hardware constraints.

Select suitable optimization techniques and supporting tools, including knowledge distillation and quantization frameworks.

Develop a reproducible pipeline for model optimization, evaluation, and deployment.

Benchmark the optimized model against the original for visual quality, output consistency, model size, latency, and computational efficiency.

Deploy and validate the optimized model on a dedicated neural processing architecture.

Document the methodology, results, limitations, and recommendations

Présentation du stage

L'équipe Video Production Services développe des technologies qui améliorent la production et la diffusion vidéo pour les écrans modernes, avec une expertise particulière en grande plage dynamique (High Dynamic Range, HDR) et en large gamut de couleurs (Wide Color Gamut). Ce stage portera sur l'optimisation d'un réseau de neurones existant qui convertit la vidéo à plage dynamique standard (Standard Dynamic Range, SDR) en HDR, puis sur le déploiement du modèle optimisé sur du matériel dédié au traitement neuronal.

Approche technique

La personne recrutée construira une chaîne d'optimisation de bout en bout à l'aide de techniques telles que la distillation des connaissances et la quantification. Le modèle optimisé sera comparé au modèle d'origine, déployé sur une cible à faible consommation et aux ressources de calcul limitées, puis évalué en termes de qualité visuelle, de cohérence des résultats, de taille du modèle, de latence et d'efficacité d'exécution.

Missions principales

Analyser le réseau de conversion SDR vers HDR existant et définir les contraintes de qualité, de performance et de matériel.

Sélectionner les techniques d'optimisation et les outils adaptés, notamment des frameworks de distillation des connaissances et de quantification.

Développer une chaîne reproductible d'optimisation, d'évaluation et de déploiement des modèles.

Comparer le modèle optimisé au modèle d'origine en termes de qualité visuelle, de cohérence des résultats, de taille du modèle, de latence et d'efficacité de calcul.

Déployer et valider le modèle optimisé sur une architecture dédiée au traitement neuronal.

Documenter la méthodologie, les résultats, les limites et les recommandations.

Profil recherché

Required Qualifications

Currently pursuing a master's degree in computer science, electrical engineering, applied mathematics, or a related discipline.

Proficient in Python and C/C++.

Experienced with a deep-learning framework such as PyTorch or TensorFlow, including neural network training and evaluation.

Able to communicate clearly in written and spoken English.

Autonomous, curious, and rigorous in research and experimentation.

Preferred Experience

Experience with GPU programming or inference optimization tools such as CUDA, TensorRT, ONNX, LiteRT/TensorFlow Lite, or Core ML.

French-language skills.

Qualifications requises

Étudiant ou étudiante en master d'informatique, de génie électrique, de mathématiques appliquées ou d'une discipline connexe.

Maîtrise de Python et du C/C++.

Expérience d'un framework d'apprentissage profond tel que PyTorch ou TensorFlow, notamment pour l'entraînement et l'évaluation de réseaux de neurones.

Capacité à communiquer clairement en anglais, à l'écrit comme à l'oral.

Autonomie, curiosité et rigueur dans la recherche et l'expérimentation.

Expérience appréciée

Expérience de la programmation GPU ou d'outils d'optimisation de l'inférence tels que CUDA, TensorRT, ONNX, LiteRT/TensorFlow Lite ou Core ML.

Maîtrise du français.

Bon à savoir

Please apply on https://www.interdigital.com/company/career

REQ26-1162